数据都有了，为什么系统还是“不懂业务”？
在上篇公众号文章中深度专访 | 众调科技董事长郑鑫博士 行业本体如何让AI Agent从“能说会道” 进化到“知行合一”，我们邀请到众调科技的创始人/董事长郑鑫博士阐述了什么是众调本体论，以及为何在AI时代企业需要一套能够描述真实业务世界的数字模型。本篇我们将拆解一个更加实际的问题：众调科技究竟如何把一个真实的业务场景，一步步构建成本体，并从汽车行业的业务视角来举例说明。
如今的汽车企业其实并不缺数据，CRM里有客户档案和销售线索，DMS里有订单和库存，营销平台掌握活动和触达，车主系统沉淀车辆和用车信息……这些系统虽然各自记录了大量事实数据，却未必能够共同回答一个真正的经营问题，例如：一位潜客已经浏览车型、到店试驾、获得报价，同时手里有一辆进入置换周期的旧车，目标车型又恰好有现车和适用权益——他现在是不是已经到了最值得重点跟进的时刻？数据虽被记录，但不等于业务被理解。而众调科技构建行业本体，希望解决的正是这两者之间的距离，即通过AI数智基座平台，把ITDATA转化成AIDATA和Agentic DATA。
一个接近成交的客户，系统为什么还不知道？
例如：一位汽车品牌老客户三年前购买了一辆燃油车型，最近几个月他开始频繁关注品牌新上市的一款新能源SUV车型。浏览过车型内容，参加过线上活动，到过门店看车也完成了试乘试驾，还向销售顾问咨询了价格、金融方案和旧车置换政策。两周前销售顾问已经为他提供过一次正式报价，但客户并没有立即下单。从数据完整性来看，企业似乎什么都不缺。让我们一起从客户的行为轨迹来看一下。
1. 客户三年前购买品牌燃油车型
对应的企业系统：车主系统、CRM 系统
本体数据：车主系统完整留存车辆档案、购车时间、车型配置等保有车辆信息；CRM 系统留存客户基础身份、历史购车订单与客户分层标签；
2. 客户近期频繁关注品牌
新上市新能源 SUV、浏览车型相关内容
对应的企业系统：APP、小程序、PC网页等
本体数据：记录用户车型浏览轨迹、内容访问频次、停留时长，可初步识别用户产品偏好与关注热度；
3.客户已参加品牌线上营销活动
对应的企业系统：MA
本体数据：留存活动报名、互动参与等行为数据，可用于判断用户兴趣深度与意向升级程度；
4. 客户到店看车、完成试乘试驾
对应的企业系统：线索中心、销售系统、DMS经销商管理系统
本体数据：销售系统记录到店接待、试驾体验等线下触点行为与销售跟进节点；DMS 可实时查询对应门店目标车型的库存状态；
5. 客户向销售顾问咨询价格、金融方案、
旧车置换政策
对应的企业系统：销售系统、权益政策平台、二手车置换平台
本体数据：销售系统记录客户具体咨询诉求、销售顾问沟通跟进内容；权益平台存储官方现行的金融分期、旧车置换等政策规则与权益标准
6. 客户两周前已获取销售顾问正式报价，
暂未下单成交
对应的企业系统：CRM 系统、销售系统
本体数据：CRM 与销售系统留存正式报价记录、客户跟进阶段与成交状态，可识别客户处于报价后决策观望周期。
问题在于，每一个系统都只知道这个客户的一部分数据。CRM知道他已经报价，DMS知道门店有现车，权益平台知道当前有置换政策，车主系统知道他有一辆购买三年的旧车，但这些事实同时出现究竟意味着什么，通常仍然需要销售经理或一线人员基于数据加经验判断并决策。而本体不是再增加一份客户数据，而是让原本分散的业务事实重新组成一个可以被机器理解的业务世界。
图1｜系统有数据不等于系统理解业务，只有当这些数据被放回同一个购车场景中，企业才能真正理解客户当前的业务状态。
众调本体论如何运作？
众调科技并不是先设计一张庞大的行业本体，再去寻找业务应用；相反，我们从一个个真实且高价值的业务问题出发，在具体场景中逐步构建本体。
整个过程可以归纳为“本体怎么建”的五个动作：
选场景 → 找对象 → 建关系 → 算状态 → 接行动
而当这五步完成之后，最终沉淀下来的本体，则由四层核心内容组成：
对象 → 关系 → 状态 → 行动 这四层回答的是“本体建出来是什么”。
注意：两者需要严格区分，前者是构建方法，而后者是本体结构。
图2｜众调科技汽车行业本体五步构建法，把人的业务经验逐步转化为机器能够理解和执行的业务模型。
步骤1 | 选场景
本体建设并不是从梳理数据库开始。如果一开始就要求企业整理所有客户、车辆、订单和行为数据，很容易重新回到传统数据治理的路径。众调科技首先寻找的是一个明确的业务问题，例如：如何识别并推动高意向客户成交，如何发现潜在置换机会，如何让合适的权益在合适的时间匹配到合适的客户。
在这个购车案例里，我们真正要解决的问题并不是笼统的“建设客户本体”，而是：如何识别一个已经接近成交、但尚未成交的客户，并及时推动下一步经营动作？场景确定之后，本体建设才有了清晰的边界。哪些信息需要进入，哪些对象需要建模，哪些关系真正影响业务判断，都围绕这个问题展开。也就是说，众调科技并不是先把整个企业世界建完，再寻找应用，而是从一个个高价值场景出发，让本体随着业务需要逐步生长。
步骤2 | 找对象
场景确定后，需要把业务人员脑海中的“一件事情”，拆解成机器可以识别的业务对象。围绕这位客户，我们可以识别出客户、车辆、车型、线索、试驾、报价、门店、库存、权益等一组核心对象。这些对象在企业系统中可能分散在完全不同的位置。客户属于CRM，车辆在车主系统，库存位于DMS，权益在营销平台，试驾和报价又来自销售系统。但现实业务并不会按照这些系统边界运行。
销售顾问真正关心的是：这是谁，他现在开什么车，正在关注什么车，有没有试驾，是否报过价，店里有没有现车，以及当前有没有合适的政策。因此，“找对象”实际上是在完成一次视角转换：不再从“系统里有哪些字段”出发，而是重新回答“这个真实业务世界里究竟有什么”。
步骤3 | 建关系
只有对象，还没有本体。真正让这些对象开始拥有业务含义的，是它们之间的关系。这位客户“拥有”一辆旧车，“关注”某款新能源车型，“试驾”过这款车型，“获得”过一次正式报价；一条销售线索被“分配”给某位销售顾问，而当前的一项置换权益又“适用”于这位客户。拥有、关注、试驾、报价、分配、适用，看起来只是几个普通的业务动词，却把原本分散在不同系统里的对象重新连接成了一个完整场景。过去，机器读取到的可能只是一个客户ID、一条试驾记录、一份报价单和一条库存数据；建立关系之后，它开始能够理解：这是一位已经拥有旧车、正在持续关注新能源车型、已经完成试驾并进入报价阶段的客户。对象告诉机器“这个世界里有什么”，关系则告诉机器“这些东西之间究竟发生了什么”。
步骤4 | 算状态
对象和关系建立起来以后，本体才真正开始从“描述业务”走向“理解业务”。一个客户近期持续关注目标车型，已经到店、完成试驾，并进入报价阶段，这些事实组合起来，很可能意味着他已经进入“高意向待成交”状态。如果再加入另外一些事实，例如客户拥有一辆使用多年的旧车，近期又主动了解新能源车型和置换政策，那么他可能同时处于“潜在置换”状态。继续加入库存和权益信息：目标车型当前有现车，置换政策仍然有效，而且客户满足相关权益条件，那么企业就可以进一步判断，他已经“具备较好的成交条件”。这里的关键在于，“高意向待成交”“潜在置换”“具备成交条件”并不是数据库中天然存在的字段，而是基于对象、关系以及业务规则计算出来的业务状态。
众调科技要做的，就是把过去存在于销售经理、运营人员和业务专家脑海中的经验逐步显性化，让机器不仅知道发生过什么，还能够理解这些事实在当前业务环境中意味着什么。
步骤5 | 接行动
如果本体最终只能告诉销售人员“这是一个高意向客户”，它仍然只是一个更高级的数据分析工具。真正进入经营需要再向前一步：把业务状态直接连接到业务行动。当系统判断客户同时具备高意向、潜在置换、目标车型有库存、当前权益可用等条件时，可以进一步生成经营策略：建议销售顾问优先跟进，沟通时重点切入旧车置换，自动匹配可用权益，根据车型偏好、试驾和报价历史生成沟通重点；如果进一步优惠超过销售权限，则直接触发审批流程。于是，业务理解开始转化为具体行动：生成策略、CRM任务、权益匹配、沟通话术、审批执行。这些并不是本体之外独立的一层，而都是“行动”在实际经营中的具体表现。本体真正有价值的地方，不只是“看懂客户”，而是把理解直接连接到下一步行动。
图3｜当分散的业务状态等事实被连接之后，本体才能进一步计算出“高意向待成交”、“潜在置换”、“具备成交条件”等业务状态。
本体不是替代现有系统，
而是增加一层“业务理解”
看到这里，一个很自然的问题是：企业已经有CRM、DMS、CDP和各种营销、售后平台，为什么还需要本体？答案不是用本体替代它们。CRM仍然负责客户和销售过程，DMS继续负责订单、库存和经销管理，CDP继续进行客户数据处理，营销平台继续承担活动和触达。它们解决的是各自领域中的数据管理与业务执行问题。本体承担的是另一层工作：在这些系统之上，形成统一的业务语义和业务运行逻辑。CRM可以告诉企业客户已经完成试驾，DMS可以告诉企业目标车型有库存，权益平台可以告诉企业某项政策仍然有效，而本体进一步回答的是：这些事实同时出现意味着什么，以及现在应该做什么。
因此，本体并不是重新建设一套系统，而是一层“业务理解层”。现有系统负责记录和执行，本体负责让这些系统中的事实真正具有业务意义。
图4｜IT系统继续发挥原有能力，本体在AI数据基座平台上把IT DATA转化成AI DATA和Agentic DATA
本体不是一次性建模，而是在业务中持续运行
真实业务始终在变化。客户今天关注车型，明天完成试驾；门店库存今天有车，后天可能售罄；一项权益本周有效，下周可能结束。客户的状态也会随着这些事实不断变化。因此，本体不是一次画完之后长期不动的一张模型图。新的业务事实发生之后，对象及关系随之更新，业务状态重新计算，新的状态又触发新的业务行动，而行动执行本身又会产生新的事实。
最终形成一个持续运行的闭环：业务事实 → 对象/关系更新 → 状态更新 → 行动执行 → 新业务事实。这意味着，本体真正要沉淀的不是静态知识，而是一套能够随着企业经营持续更新的业务模型。
图5｜新的业务事实不断进入本体，推动对象关系和业务状态更新，再触发新的业务行动；执行结果又形成新的业务事实，让本体随着企业经营持续演进。
从一个场景，扩展到整个汽车业务世界
前面的购车案例只是一个最小业务单元。真实汽车企业中还存在潜客、车主、会员、家庭客户、企业客户，以及车型、配置、订单、库存车、试驾车和二手车；销售之前有营销活动、渠道、内容和线索，成交过程中有商机、报价、金融、保险和交付，车辆进入使用阶段以后，又会持续产生维修、保养、充电、救援、延保、置换和续购等大量业务行为。
众调科技并不会一开始就试图把所有这些内容全部建完，而是从一个个高价值场景切入。先把“高意向成交”场景建起来，再延伸到潜客转化、置换、售后增购、流失预警等业务问题。当一个个场景中的对象、关系、状态和行动逐渐连接起来之后，完整的汽车行业本体才会逐步形成。所以，“行业本体”，并不是一张一次性设计完成的巨大关系图，而是一套随着企业业务持续积累、生长和连接起来的数字业务模型。
AI真正进入业务之前，首先要理解业务
过去，企业信息系统并不一定需要真正理解业务，因为承担理解和判断工作的是销售经理、运营人员、售后顾问和业务管理者。系统负责保存记录，人负责根据经验作出判断。但AI真正进入经营场景以后，企业提出的问题已经发生变化。
它不再只是要求系统查询“某位客户最近有没有来店”，而会进一步问：今天哪些客户最值得重点跟进？为什么？应该推荐什么方案？有哪些权益适用？由谁跟进？需要触发什么流程？回答这些问题，仅仅连接数据库是不够的。AI必须理解什么是客户、车辆、车型、库存和权益，必须理解这些对象之间的关系，也必须知道什么样的事实组合意味着高意向、潜在置换或者具备成交条件。而本体补上的，正是这层长期缺失的业务语义。
从记录业务，到理解业务，再到参与业务
如果说上一篇文章回答的是“为什么企业需要本体”，那么这个购车场景进一步说明了，本体究竟是怎样一步一步构建出来的。
众调科技从一个真实业务问题出发，通过选场景、找对象、建关系、算状态、接行动，逐步把现实业务转化为数字模型；最终沉淀下来的，则是一套由对象、关系、状态、行动构成的业务结构。前者回答的是“怎么建”，后者回答的是“建成什么”。
从系统记录业务，到系统理解业务，
再到系统参与业务
众调科技构建行业本体的过程，本质上就是把企业真实运行的业务世界，一步一步转化成机器可以理解、AI可以调用、系统可以执行的数字业务模型。当一个个真实业务场景以这样的方式被持续建模并连接起来，行业本体就不再只是一套概念或模型，而会逐渐成为支撑企业智能化运行的业务基础。
关于众调科技 | ABOUT US
上海众调信息科技股份有限公司是立足行业本体的全栈智能体平台提供商。2015年5月成立至今，先后获评国家高新技术企业、上海市专精特新中小企业、上海市科技小巨人(培育)企业、杨浦区企业技术中心等荣誉资质，2025年入围上海市软件和信息技术服务业高成长百强名单。
依托AI数智基座平台和AI能力开放平台的UnicData数智平台解决方案及依托AI智能体和AIRaaS的UnicAGT跨域智能体解决方案，为汽车、电力、能源、通信、科教研和具身智能等行业客户提供智能化解决方案，是阿里云行业优选MSP生态合作伙伴、PAI官方认证合作伙伴、阿里云大模型框架服务合作提供商等。
凭借清晰的战略定位与扎实的行业落地能力，众调科技已获得众多家知名投资机构的垂青，2026年上半年已相继完成C轮及C+轮融资，正在加速推进D轮融资进程，持续夯实技术底座、拓宽行业版图，包括未来打通本体到Physical AI物理层面的部署等，致力于成为立足行业本体的全栈智能体平台头部提供商。
热门跟贴